Dünya Modelleri ve Öğrenilmiş Simülatörler Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Bir dünya modelinin temel işi nedir?
   • Bir durum ve eylem verildiğinde ortamın nasıl değişeceğini tahmin etmek
   • Görselleri kategorilerle etiketlemek için
   • Metni gömmelere sıkıştırmak için
   • Ağ paketlerini yönlendirmek için
2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
   • Yalnızca gerçek donanımda
   • Modelin çevreyle ilgili öğrenilmiş 'rüyası' içinde
   • Genel bir bulut robot kümesinde
   • Yalnızca dil verilerini kullanma
3. DeepMind'ın DreamerV3'ü hangi dikkate değer başarıya ulaştı?
   • Roman yazmak
   • 100 dile çeviri
   • Collecting diamonds in Minecraft using policy learning from imagined trajectories
   • Bir mikroçip tasarlamak
4. Google'nin Genie'si ne yapar?
   • Akış için videoları sıkıştırır
   • Arama sonuçlarını sıralar
   • Dil öğretmenleri yetiştiriyor
   • Görüntülerden ve etiketlenmemiş videolardan kontrol edilebilir, oynatılabilir 2 boyutlu dünyalar oluşturur
5. Pek çok dünya modeli, görüntüler gibi yüksek boyutlu girdiler için tahmin problemini nasıl takip edilebilir tutuyor?
   • Gözlemleri kompakt bir gizli duruma kodlarlar ve bu alanda tahminde bulunurlar.
   • Görüntüleri tamamen görmezden geliyorlar
   • Yalnızca ses kullanıyorlar
   • Her ham kareyi sonsuza kadar saklıyorlar
6. What is a potential motivation for using a world model in robotics?
   • Guarantee every simulated action is safe to deploy
   • Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
   • Avoid testing the model against any real observations
   • Prove a visually realistic frame is physically accurate
7. What techniques did DreamerV3 report for improving learning stability across diverse domains?
   • A fixed image resize and no reward modeling
   • A hand-written controller for every game
   • Normalization, balancing, and transformations
   • Removing all state observations from training
8. Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
   • Visual models cannot process actions
   • Every rendered image is a ground-truth sensor measurement
   • Plausibility guarantees accurate forces and collisions
   • A realistic-looking frame may still depict incorrect physical state changes